怎么实现？使用 Word2Vec, GloVe, BERT 等模型，将词或句子映射为向量。使用 CNN，通过逐层提取从简单到复杂的视觉特征，最终生成代表整张图的向量。结合 CNN（提取空间特征）和 RNN/LSTM（处理时间动态），或使用 3D CNN 直接提取时空特征。最底层编码规律和数学逻辑是什么？将现实世界的语义相似性和类比关系，转化为高维向量空间中的几何距离和向量运算。数学逻辑:语义上越接

将每种模态的数据转化为特征向量。

主要是通过对比学习（如InfoNCE损失），使得不同模态的特征在同一空间内具有相似的表示，方便进一步的融合。